Flux【Lora模型】:泰裤辣,一个可以生成让你发朋友圈的图片,假装去旅游lora模型

大家好我是小王同学!!!

今天和大家分享一个可以生成图片发朋友圈的LORA:VectorJourney丨假装去旅游。平日我们可以使用该Lora模型生成的图片发朋友圈,假装自己出去旅游玩了。该模型艺术风格融合了现实和插图元素,非常酷酷的哦。

模型下载地址(需要的同学可自行扫描获取)
在这里插入图片描述

触发词:artistic style blends reality and illustration elements.

权重设置为1-1.2。

提示词编写格式:一个卡通风格的男人/女人,穿着什么衣服,在什么场景,做什么。

工作流(文末地址也可自行扫描获取)

我们只需要将VectorJourney丨假装去旅游lora模型下载放置到ComfyUI\models\loras目录下。然后加载工作流就可以直接体验了。

1. 亚利桑那州大峡谷

Prompt: A cartoonish style beautiful woman in a flowing Bohemian dress, standing at the edge of the Grand Canyon, Arizona, with her hands on her hips, taking in the vast, multicolored landscape under a dramatic sunset,artistic style blends reality and illustration elements

提示词:一个卡通风格的美女,穿着飘逸的波西米亚长裙,站在亚利桑那州大峡谷的边缘,双手放在臀部,在戏剧性的日落下,欣赏着广阔多彩的风景,艺术风格融合了现实和插图元素
在这里插入图片描述
在这里插入图片描述

2. 泰姬陵

Prompt: A cartoon super beautiful woman dressed in a colorful sari, dancing gracefully on the white marble steps of the Taj Mahal at sunrise, with the early morning light casting a soft glow on the scene,artistic style blends reality and illustration elements

提示词:一个卡通超级美女,穿着五彩的纱丽,在日出的泰姬陵的白色大理石台阶上优雅地跳舞,清晨的晨光在现场投下柔和的光芒,艺术风格融合了现实和插图元素
在这里插入图片描述
在这里插入图片描述

3. 巴黎香榭丽舍大街

Prompt: A stylish super beautiful woman in a chic little colorful dress, sipping a cup of coffee at an outdoor café on the Champs-Élysées in Paris, with the Arc de Triomphe visible in the background,artistic style blends reality and illustration elements

**提示词:**一位时尚的超级美女,穿着别致的小彩裙,在巴黎香榭丽舍大街-Élysées的户外咖啡馆喝着一杯咖啡,背景是凯旋门,艺术风格融合了现实和插图元素

在这里插入图片描述
在这里插入图片描述

4. 波利尼西亚波拉波拉岛

Prompt: A cartoon super beautiful woman dressed in a vibrant, patterned dress, lounging on a pristine white-sand beach in Bora Bora, French Polynesia, with crystal-clear turquoise waters lapping at her feet,artistic style blends reality and illustration elements

提示词:一位卡通超级美女穿着充满活力的图案连衣裙,懒洋洋地躺在法属波利尼西亚波拉波拉岛的原始白色沙滩上,清澈的绿松石海水拍打着她的脚,艺术风格融合了现实和插图元素

在这里插入图片描述
在这里插入图片描述

5. 新奥尔良街道

Prompt:A playful super beautiful cartoonish woman in a vintage flapper dress, twirling to the music of a live jazz band in the bustling streets of New Orleans’ French Quarter during Mardi Gras,artistic style blends reality and illustration elements

提示词:在狂欢节期间,在新奥尔良法国区熙熙攘攘的街道上,一个俏皮的超级美丽的卡通女人穿着复古的宽松连衣裙,随着现场爵士乐队的音乐旋转,艺术风格融合了现实和插图元素
在这里插入图片描述
在这里插入图片描述

6. 纽约时代广场

Prompt:A cartoon super beautiful woman in a chic little colorful dress, posing with a peace sign near the bustling Times Square in New York City, with the neon lights of Broadway reflecting in her eyes,artistic style blends reality and illustration elements

提示词:一个卡通超级美女,穿着别致的彩色小礼服,在繁华的纽约时代广场附近与一个和平标志合影,百老汇的霓虹灯映照在她的眼睛里,艺术风格融合了现实和插图元素

在这里插入图片描述
在这里插入图片描述

7. 迪拜

Prompt:A cartoonish super beautiful girl in a sleek business suit, taking a confident selfie at the entrance of the futuristic Burj Khalifa in Dubai, with the city’s skyline as a backdrop,artistic style blends reality and illustration elements

提示词:一个卡通般的超级漂亮女孩穿着时髦的西装,在迪拜未来主义的哈利法塔入口处自信地自拍,以城市的天际线为背景,艺术风格融合了现实和插图元素
在这里插入图片描述
在这里插入图片描述

8. 长城

Prompt:A playful cartoon super beautiful woman in a sleek leather jacket and aviator goggles, striking a heroic pose in front of the Great Wall of China, with the ancient wall stretching into the distance behind her,artistic style blends reality and illustration elements

提示词:一个俏皮的卡通超级美女,穿着时髦的皮夹克,戴着飞行员护目镜,在中国长城前摆出英雄的姿势,古老的长城在她身后延伸到远处,艺术风格融合了现实和插图元素

在这里插入图片描述
在这里插入图片描述

好了,今天的分享就到这里了,希望今天分享的内容对大家有所帮助。

资料软件免费放送

次日同一发放请耐心等待

关于AI绘画技术储备

学好 AI绘画 不论是就业还是做副业赚钱都不错,但要学会 AI绘画 还是要有一个学习规划。最后大家分享一份全套的 AI绘画 学习资料,给那些想学习 AI绘画 的小伙伴们一点帮助!

感兴趣的小伙伴,赠送全套AIGC学习资料和安装工具,包含AI绘画、AI人工智能等前沿科技教程,模型插件,具体看下方。

需要的可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

**一、AIGC所有方向的学习路线**

AIGC所有方向的技术点做的整理,形成各个领域的知识点汇总,它的用处就在于,你可以按照下面的知识点去找对应的学习资源,保证自己学得较为全面。

在这里插入图片描述

在这里插入图片描述

二、AIGC必备工具

工具都帮大家整理好了,安装就可直接上手!
在这里插入图片描述

三、最新AIGC学习笔记

当我学到一定基础,有自己的理解能力的时候,会去阅读一些前辈整理的书籍或者手写的笔记资料,这些笔记详细记载了他们对一些技术点的理解,这些理解是比较独到,可以学到不一样的思路。
在这里插入图片描述
在这里插入图片描述

四、AIGC视频教程合集

观看全面零基础学习视频,看视频学习是最快捷也是最有效果的方式,跟着视频中老师的思路,从基础到深入,还是很容易入门的。

在这里插入图片描述

五、实战案例

纸上得来终觉浅,要学会跟着视频一起敲,要动手实操,才能将自己的所学运用到实际当中去,这时候可以搞点实战案例来学习。
在这里插入图片描述
这份完整版的学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】

在这里插入图片描述

好的,以下是一个简单的DCGAN模型生成器和鉴别器代码,使用Julia语言和Flux深度学习库,可以处理彩色图像: ```julia using Flux using Flux: @epochs, train! using Flux.Data: DataLoader using Images using Random # 生成器 function generator(latent_dim::Int, output_channels::Int) return Chain( # 将随机噪声映射到(7,7,256)的形状 Dense(latent_dim, 7*7*256, relu), Reshape(7, 7, 256), # 反卷积操作将输入大小增加到(14,14,128) ConvTranspose(256, 128, 4, 2, padding=1, relu), # 反卷积操作将输入大小增加到(28,28,64) ConvTranspose(128, 64, 4, 2, padding=1, relu), # 反卷积操作将输入大小增加到(56,56,32) ConvTranspose(64, 32, 4, 2, padding=1, relu), # 最后一层使用tanh激活函数将像素值缩放到[-1,1]之间 ConvTranspose(32, output_channels, 4, 2, padding=1), x -> tanh.(x) ) end # 鉴别器 function discriminator(input_channels::Int) return Chain( # 卷积操作将输入大小减小到(28,28,32) Conv(input_channels, 32, 4, 2, padding=1, leakyrelu), # 卷积操作将输入大小减小到(14,14,64) Conv(32, 64, 4, 2, padding=1, leakyrelu), # 卷积操作将输入大小减小到(7,7,128) Conv(64, 128, 4, 2, padding=1, leakyrelu), # 卷积操作将输入大小减小到(4,4,256) Conv(128, 256, 4, 2, padding=1, leakyrelu), # 将输入展平 x -> reshape(x, :, size(x, 4)), # 最后一层使用sigmoid激活函数输出一个0到1之间的概率值 Dense(4*4*256, 1, sigmoid) ) end # 定义损失函数 function loss_D(real_output, fake_output) real_loss = Flux.binarycrossentropy(real_output, ones(size(real_output))) fake_loss = Flux.binarycrossentropy(fake_output, zeros(size(fake_output))) return real_loss + fake_loss end function loss_G(fake_output) return Flux.binarycrossentropy(fake_output, ones(size(fake_output))) end # 训练模型 function train_dcgan(dataset, latent_dim::Int, input_channels::Int, output_channels::Int, epochs::Int, batch_size::Int, lr) # 定义生成器和鉴别器 G = generator(latent_dim, output_channels) D = discriminator(input_channels) # 定义优化器 opt_G = ADAM(lr) opt_D = ADAM(lr) # 定义数据加载器 dataloader = DataLoader(dataset, batch_size=batch_size, shuffle=true) # 训练模型 for epoch in 1:epochs for (real_images, _) in dataloader # 训练鉴别器 Random.seed!(epoch) noise = randn(latent_dim, batch_size) fake_images = G(noise) real_output = D(real_images) fake_output = D(fake_images) loss_D_value = loss_D(real_output, fake_output) grads_D = gradient(() -> loss_D(real_output, fake_output), params(D)) Flux.Optimise.update!(opt_D, params(D), grads_D) # 训练生成器 Random.seed!(epoch) noise = randn(latent_dim, batch_size) fake_images = G(noise) fake_output = D(fake_images) loss_G_value = loss_G(fake_output) grads_G = gradient(() -> loss_G(fake_output), params(G)) Flux.Optimise.update!(opt_G, params(G), grads_G) end @info "Epoch $epoch: Loss_D = $(loss_D_value), Loss_G = $(loss_G_value)" end # 返回生成器和鉴别器 return G, D end ``` 这个模型的输入和输出通道数都是可以指定的,可以根据你的数据集进行调整。请注意,这只是一个简单的DCGAN模型的代码示例,你可能需要根据你的数据集和任务进行修改。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值